面向?qū)ο筌浖貧w測(cè)試選擇——測(cè)試用例最小化技術(shù)研究.pdf

1、回歸測(cè)試是軟件開(kāi)發(fā)過(guò)程中昂貴的卻又需要頻繁執(zhí)行的軟件維護(hù)活動(dòng)，軟件測(cè)試的任何階段均涉及到回歸測(cè)試問(wèn)題。測(cè)試用例最小化是一種重要的回歸測(cè)試縮減技術(shù)，目的是在滿足測(cè)試需求的前提下，最大限度地降低回歸測(cè)試規(guī)模，提高回歸測(cè)試效率。本文圍繞著縮減回歸測(cè)試代價(jià)這一目標(biāo)，基于面向?qū)ο筌浖y(cè)試度量和自動(dòng)化測(cè)試環(huán)境的開(kāi)發(fā)等工作，在測(cè)試用例最小化模型和算法等方面進(jìn)行了較為深入的研究，主要包括以下幾個(gè)方面：
　　 1.基于中間數(shù)據(jù)庫(kù)的測(cè)試引擎的設(shè)計(jì)與

2、實(shí)現(xiàn)。本文提出的測(cè)試該引擎由三個(gè)部分構(gòu)成：程序分析器、插裝工具以及中間數(shù)據(jù)庫(kù)。引擎的設(shè)計(jì)充分考慮了軟件組件的復(fù)用，使得以該引擎為核心的測(cè)試環(huán)境具有良好的可擴(kuò)展性；中間數(shù)據(jù)庫(kù)中存儲(chǔ)的程序結(jié)構(gòu)信息和測(cè)試歷史信息，在提供各種靜態(tài)測(cè)試報(bào)告和動(dòng)態(tài)測(cè)試報(bào)告的基礎(chǔ)上，是進(jìn)行回歸測(cè)試及回歸測(cè)試選擇的基礎(chǔ)。
　　 2.測(cè)試用例最小化問(wèn)題的數(shù)學(xué)模型?；趬K的測(cè)試覆蓋度量和測(cè)試歷史信息，本文提出了具有良好通用性的測(cè)試用例最小化問(wèn)題的數(shù)學(xué)模型，并將其轉(zhuǎn)

3、化為整數(shù)規(guī)劃模型。該模型能夠方便地進(jìn)行修改以適應(yīng)不同的測(cè)試選擇要求和測(cè)試覆蓋度量標(biāo)準(zhǔn)，是實(shí)現(xiàn)測(cè)試用例選擇自動(dòng)化的基礎(chǔ)。
　　 3.新的測(cè)試用例最小化貪心算法。測(cè)試用例最小化的目的是得到一個(gè)能夠滿足測(cè)試需求的最小回歸測(cè)試用例集。為了得到最小代價(jià)的回歸測(cè)試用例集，本文在研究現(xiàn)有測(cè)試用例最小化貪心算法的基礎(chǔ)上，提出了新貪心算法。不同于一般算法，該算法綜合考慮了測(cè)試用例在以往測(cè)試中的測(cè)試覆蓋度和運(yùn)行代價(jià)。實(shí)驗(yàn)結(jié)果表明：新測(cè)試用例最小化貪

4、心算法能更有效地縮減回歸測(cè)試用例集的測(cè)試運(yùn)行代價(jià)，測(cè)試運(yùn)行代價(jià)因素的考慮，能提高算法的用例優(yōu)化效果。
　　 4.測(cè)試用例最小化遺傳算法。為了進(jìn)一步提高最小化效果，本文研究將遺傳算法應(yīng)用于測(cè)試最小化：基于測(cè)試歷史信息，進(jìn)行編碼和種群初始化，設(shè)計(jì)適應(yīng)度函數(shù)、三個(gè)遺傳算子，實(shí)現(xiàn)了測(cè)試用例最小化遺傳算法。實(shí)驗(yàn)結(jié)果表明：測(cè)試用例最小化遺傳算法能夠顯著降低測(cè)試用例集的規(guī)模和測(cè)試代價(jià)，并且具有比新測(cè)試用例最小化貪心算法更好的最小化能力和更高的